[发明专利]基于时空光梯度增强机的地表O3

说明书

本发明公开了基于时空光梯度增强机的地表O₃浓度估算方法，包括以下步骤：步骤一，观测值预处理；步骤二，统一化处理；步骤三，单元网格建立；步骤四，数据整备清洗；步骤五，特征性选择；步骤六，生成估算模型，通过对观测数据进行统一化处理，在长时间尺度的数据集上提高了泛化能力和表达能力，不需要对数据进行特殊的归一化预处理，降低了模型的计算量，提高了估算效率，采用包裹式和嵌入式相交集的方式对数据特征进行选择，避免维数灾难并降低了模型建立的难度，提高了建立后模型预测的精度，在模型建立的过程中添加了空间和时间特性，同时将土地利用类型和人口数据化为变量共同作为模型的影响参数，提高了建立后估算模型的实用性。

技术领域

本发明涉及地表O₃浓度估算技术领域，具体为基于时空光梯度增强机的地表O₃浓度估算方法。

背景技术

随着经济的快速发展和城市化步伐的加快，人类排放的氮氧化物(NOx)和挥发性有机化合物(VOCs)越来越多，NO_x和VOCs在光照条件下会发生化学反应生成臭氧(O₃)，O₃不仅会作用于人的心血管和呼吸系统进而对人类健康产生影响，而且对植物的生长也会造成威胁，除此之外，由于臭氧是仅次于二氧化碳(CO₂)和甲烷(CH₄)的温室气体，并且能够强烈吸收太阳辐射，因此臭氧浓度的变化可能会扰动地球系统的辐射能量收支平衡，这将对全球气候产生影响，因此，获得长时间尺度高时空分辨率的地表O₃浓度的分布数据具有重要意义；

目前O₃浓度的精准数据一般来源于地面观测站，然而，我国地面的O₃浓度观测站存在明显的分布不均匀问题，大部分的站点集中在东部和中部，西部地区则分布稀疏，这对于研究O₃浓度的时空变化及其健康效应都有很大的限制，因此，很多研究尝试化学传输模式(CTM)来建立O₃的浓度模型，虽然化学传输模式为获得高时空分辨率的O₃浓度数据提供了可能，但是化学传输模式也存在着对化学机理理解不完全、难以获得连续的NO_x和VOCs排放数据、排放清单的不确定性较高、模式计算量过大、耗时过长的缺点；同时目前的统计模型多局限于线性关系，但O₃浓度与预测变量之间的非线性和高阶的相互作用往往使得预测精度较低；且O₃作为大气系统的重要组成部分，其分布具有明显的时空异质性，而使用机器学习模型对O₃浓度进行预测时，没有考虑O₃的时空异质性，从而降低了建立预测模型的实用性，因此设计基于时空光梯度增强机的地表O₃浓度估算方法是很有必要的。

发明内容

本发明的目的在于提供基于时空光梯度增强机的地表O₃浓度估算方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于时空光梯度增强机的地表O₃浓度估算方法，包括以下步骤：步骤一，观测值预处理；步骤二，统一化处理；步骤三，单元网格建立；步骤四，数据整备清洗；步骤五，特征性选择；步骤六，生成估算模型；

其中上述步骤一中，对地表O₃观测值进行预处理，获取研究区0.1°×0.1°空间分辨率的日最大八小时滑动平均浓度[O₃]_MDA8；

其中上述步骤二中，获取卫星反演O₃柱浓度数据、气象数据和辅助数据，随后对卫星反演O₃柱浓度数据、气象数据和辅助数据进行预处理，将不同格式和不同时间分辨率的数据进行统一化处理，得到统一化数据；

其中上述步骤三中，创建研究范围网格，之后将步骤二中得到的统一化数据匹配到各单元网格中，随后获取网格中多个站点的O₃测量值，然后分别取均值，得到测量平均值；